×

铁路区段购电系统的随机模型。 (英语。俄文原件) 兹比尔1391.93197

自动化。远程控制 79,第3号,425-438(2018); Avtom翻译。Telemekh公司。2018年,第3号,44-60(2018)。
摘要:提出了一个铁路段供电系统的数学优化模型,其中电力从多个供应商处购买,并考虑到随机需求。考虑了不同电价的几个时段。该系统模型表示一个具有分位数准则的两步随机规划问题。第一步,生成主采购计划。在第二步中,进行额外购买,以弥补随机需求导致的电力短缺。该模型考虑了供应商向细分市场传输电力时产生的损失以及被抑制的需求。考虑中的供电系统的总运营成本最小化。通过将概率测度和置信度方法离散化为混合整数线性规划问题,提出了一种算法来解决该问题。讨论了一个模型示例。

MSC公司:

93E03型 控制理论中的随机系统(一般)
93A30型 系统数学建模(MSC2010)
90立方厘米 随机规划
90立方厘米 混合整数编程
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Markowitz,H.M.,《投资组合选择》,J.Finance,第77-91页,(1952年)
[2] Kan,Yu。S.和Kibzun,A.I。,Zadachi stokhasticheskogo项目mirovaniya的veroyatnostnymi criteriyami(概率标准随机规划问题),莫斯科:Fizmatlit,2009年·兹比尔1190.90006
[3] D.B.尤丁。,Zadachi i metody stokhasticheskogo项目mirovaniya(随机编程的问题和方法),莫斯科:Sovetskoe电台,1979年·Zbl 0486.90058号
[4] Naumov,A.V.,投资项目分位数优化的两步问题,Izv。罗斯。阿卡德。特奥·诺克。修女。乌普拉夫伦。,2, 40-47, (2010) ·兹比尔1308.91179
[5] Naumov,A.V.,医院预算分位数优化的两步问题,Izv。罗斯。阿卡德。特奥·诺克。西斯特。乌普拉夫伦。,2, 87-90, (1996) ·Zbl 0906.90110号
[6] Naumov,A.V.公司。;Ivanov,S.V.,《评估项目效率的程序算法复合体》,旨在节约电力以维护铁路部门利益,Vestn。康普尤特。通知。特克诺尔。,12, 3-9, (2013)
[7] 于科尔佐夫。五、。;Boboshko,E.V.,用于计算和预测电力损失的神经网络方法的软件实现,Vestn。康普尤特。通知。特克诺尔。,2, 45-48, (2012)
[8] T.A.亚诺夫斯基。;Shcherbakov,M.V.,《计算机辅助系统中预测电力消耗的初步数据分析程序》,Vestn。康普尤特。通知。特克诺尔。,3, 21-26, (2012)
[9] Dzh Bukan。和Kenigsberg,E。,Nauchnoe upravlenie zapasami公司(科学库存控制),莫斯科:瑙卡,1967年。
[10] 布罗德茨基,G.L。,Upravlenie zapasami公司(库存控制),莫斯科:Eksmo,2008年·Zbl 1390.90012号
[11] Gol'shtein,例如。,Teoriya dvoistvennosti v matematicheskom项目mirovanii i ee prilozheniya(数学规划中的对偶理论及其应用),莫斯科:瑙卡,1971年·Zbl 0229.90035号
[12] 基布尊,A.I。;Naumov,A.V.公司。;Norkin,V.I.,关于将离散分布分位数优化问题简化为混合整数规划问题,Autom。远程控制,74,66-86,(2013)·Zbl 1297.90090号 ·doi:10.1134/S0005117913060064
[13] 基布尊,A.I。;Ivanov,S.V.,带分位数准则的随机线性规划两步问题的样本逼近,Tr.IMM UrO RAN,23134-143,(2107)
[14] Mladenovic,N。;Hansen,P.,可变邻域搜索,计算。操作。Res.,241097-1100,(1997年)·Zbl 0889.90119号 ·doi:10.1016/S0305-0548(97)00031-2
[15] R.R.Mamoshin和A.N.Zimakova。,Elektrosnabzhenie elektrifitsirovannykh zheleznykh dorog公司(电气化铁路供电),莫斯科:运输,1980年。
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。